来源：MacTalk

不知道你有没有看到一则消息，据彭博社报道，当下最火的 AI 编程工具 Cursor 最近正以接近 100 亿美元的估值准备新的融资。Cursor 这家公司成立于 2022 年，也就是说，仅仅用了三年时间，它就成为了百亿估值的独角兽。

AI 时代，创业公司的发展速度比以往任何时候都要快。

除了 Cursor，最近市场上还有 Lovable、Bolt、Windsurf 等等产品，他们的增长速度同样也不低。Lovable，3 个月就从 0 做到了 1700 万美元的 ARR。Bolt，4.5 个月，从 0 做到 4000 万美元的 ARR。

但除了以上这几个产品外，AI 编程市场上，还有另外一个没有正式出招的选手——Refection AI。上周六，我看到消息说，Refection AI 筹集了 1.3 亿美元的融资，新估值为 5.55 亿美元。这家公司成立于去年，但此前一直在秘密运行。

Refection AI 的创始团队实在太强了，两位创始人 Misha Laskin 和 Ioannis Antonoglou 之前都是谷歌 DeepMind 的研究员，并且深度参与了 Gemini 和 AlphaGo 的研发。他们准备参与 AI 编程赛道竞争的逻辑是：直接从模型端开始做起。

为什么 AI 编程赛道能涌入进来这么多优秀的公司和人才？去年，我曾经想过很久这个问题。按说早些年，代码编辑器的市场中没有几家大公司，而且能够从中赚到钱的，也就只有 Jetbrains， 2018 年时，它的营收也才 2.7 亿。这么算，市场规模不算大。

但现在，AI 拓宽了它的边界。往小了说，AI 编程工具可以提高企业编写软件的效率。往大了说，它可以吃掉低代码，以及部分 SaaS 的市场份额。更重要的是，编程场景中，AI 的生成结果能够被 AI 验证，所以，这也就自然而然成为了最佳用例。

Refection AI 的目标是建造超级智能的自治系统。千里之行，始于足下，这一切，他们先从自主编程开始，全心构建一个世界上最好的自主编程系统。先深度，再广度（和 OpenAI、Claude 的路径恰好相反）。这也能侧面说明，AI 编程，绝对是大模型的杀手级应用场景。

我曾经听过他们 CEO Misha Laskin 的一个播客，有几个观点很有意思：

1、通用智能体需兼具广度和深度。AlphaGo 有深度但无广度，GPT 有广度但无深度。语言模型依赖互联网数据，而互联网缺乏多步推理的结构化信息。我们需要一种方法，能针对任何任务类别收集数据并迭代提升模型能力——这正是大实验室尚未专注的方向。

2、语言模型的对齐（alignment）过程与 AlphaGo 的训练框架惊人相似：预训练（模仿学习）赋予基础能力，后训练（强化学习）优化行为。但语言模型的奖励模型容易被策略模型钻空子。例如，若奖励模型偏好拒绝回答敏感问题，模型可能彻底不回答问题。

3、预训练是从零到不错，如同 AlphaGo 的模仿学习阶段；后训练是从不错到卓越，通过强化学习固化好行为。但语言模型的后训练受限于奖励模型的噪声，导致优化天花板。我们需要更鲁棒的奖励机制，而这可能需要新的技术突破。

话说 Misha Laskin 这个人很有意思，他经常提到一个词：root node，姑且翻译为根节点。他觉得每个时代都有一个根节点式的问题，只要这个根问题解决了，那其他的相关问题也就迎刃而解。

对他而言，怎么构建可靠、通用的 Agent 是当前时代的根问题，其重要性如同百年前的相对论之于物理学。所以 Reflection 的官网上，第一句话就写着：我们相信解决自主编码问题是实现更广泛超级智能的“根节点”。

我查到一则 Refection AI 招聘信息，他们要求候选人能够在 DL 和 RL 中进行原创性研究，并探索除了 Transformer 之外的其它架构。看起来无论是愿景，还是人才储备，都让人兴奋不已。

我在想， Cursor 这么着急拿新的融资，不会也要往底层做，探索模型相关的事情吧？要不然，当 Refection AI 这样的公司从模型端取得新的突破后，它将没有任何壁垒。

不知道，且往后看。至少我们得意识到，这个赛道，还有一家重要的公司没有出招。

特别声明：以上内容仅代表作者本人的观点或立场，不代表Hehson财经头条的观点或立场。如因作品内容、版权或其他问题需要与Hehson财经头条联系的，请于上述内容发布后的30天内进行。